本文介绍了开源人形机器人强化学习框架Humanoid-Gym，该框架实现了零样本仿真到真实（Sim2Real）迁移，无需真实微调即可直接部署。通过域随机化、五分量奖励函数、高并行训练和Sim2Sim验证等关键技术，该框架在多种真实场景下实现了稳定的双足行走。文章详细说明了本地部署流程，包括环境配置、训练和评估步骤，并讨论了其适用场景与局限性。Humanoid-Gym作为完全开源的项目，已成为人形机

清华大学PRIME实验室提出的TTRL（Test-Time Reinforcement Learning）是一种在无标注数据上进行强化学习的新方法，解决了传统RLVR（Reinforcement Learning with Verifiable Rewards）依赖标准答案的局限性。TTRL通过多数投票（majority voting）从模型自身采样中提取伪标签作为奖励信号，驱动GRPO（Grou

这篇论文提出了一种低成本的双臂精细操作框架ALOHA，结合基于Transformer的动作分块策略（ACT），实现高精度双手机器人控制。核心创新包括： 硬件层面：使用商用机械臂（单台$5600）和3D打印夹爪搭建低成本遥操作系统ALOHA，仅需4个普通USB摄像头。 算法层面：提出ACT方法，通过动作分块（预测100步动作序列）和时序集成技术，将50条人类演示转化为成功率80-90%的策略，无需力

Anthropic 在 2026 年 6 月 9 日发布了 Claude Fable 5 和 Claude Mythos 5。三天后，Anthropic 又发了一篇声明，说美国政府要求暂停所有用户访问 Fable 5 和 Mythos 5，理由涉及对 Fable 5 的潜在越狱担忧。这个节奏很反常，也让本期测评不能只看榜单。

SWITCH 用一对 `<swi>/</swi>` 边界 token，把 Coconut 风格的潜空间推理重新接回 on-policy GRPO 训练；在 Qwen3-8B 上 MATH-500 拿到 79.3%、GSM8K 89.2%，论文 + 代码 + LoRA 权重 + 数据集全开源。

2026-06-12，月之暗面发布并开源了最新代码模型 Kimi-K2.7-Code。同一天，小米开源了 MiMo Code，摩尔线程开源了 MusaCoder——三款国产开源代码模型同一天发布，这不是巧合。我用了一个下午深度体验 K2.7-Code，结论是：它是三款里最均衡的开源通用代码模型，也是目前国产开源模型里最值得日常切换的选择。

本文介绍了Search-R1，一种通过强化学习（RL）训练大型语言模型（LLMs）自主调用搜索引擎进行推理的方法。与传统的基于提示或RAG的方法不同，Search-R1让模型在RL训练中自行学习何时搜索、搜索什么以及如何处理搜索结果。核心方法包括多轮搜索交互、检索标记掩蔽（Retrieved Token Masking）和基于最终答案的奖励函数。实验显示，该方法在多个QA数据集上显著优于基线模型（

SWITCH 用一对 `<swi>/</swi>` 边界 token，把 Coconut 风格的潜空间推理重新接回 on-policy GRPO 训练；在 Qwen3-8B 上 MATH-500 拿到 79.3%、GSM8K 89.2%，论文 + 代码 + LoRA 权重 + 数据集全开源。

2026-06-12，月之暗面发布并开源了最新代码模型 Kimi-K2.7-Code。同一天，小米开源了 MiMo Code，摩尔线程开源了 MusaCoder——三款国产开源代码模型同一天发布，这不是巧合。我用了一个下午深度体验 K2.7-Code，结论是：它是三款里最均衡的开源通用代码模型，也是目前国产开源模型里最值得日常切换的选择。

2026-06-12，月之暗面发布并开源了最新代码模型 Kimi-K2.7-Code。同一天，小米开源了 MiMo Code，摩尔线程开源了 MusaCoder——三款国产开源代码模型同一天发布，这不是巧合。我用了一个下午深度体验 K2.7-Code，结论是：它是三款里最均衡的开源通用代码模型，也是目前国产开源模型里最值得日常切换的选择。